Développer des agents IA intelligents avec OpenAI

Aperçu

This course teaches you how to build AI agents that can remember, retrieve, and reason using OpenAI’s advanced memory and retrieval capabilities. You will learn how modern intelligent systems store context, embed knowledge, summarize conversations, and access relevant information through Retrieval-Augmented Generation (RAG).

These skills form the core of powerful enterprise-grade AI agents capable of long-term coherence, personalized responses, and deep contextual understanding. Through hands-on lessons and guided demos, you’ll explore how to design short-term and long-term memory pipelines, implement embedding-based vector search, integrate document retrieval, and connect multi-agent workflows using the Model Context Protocol (MCP).

You will learn how to combine memory, knowledge retrieval, and reasoning to build agents that are scalable, accurate, and aligned with real-world use cases. By the end of this course, you will be able to:

- Explain how memory systems, embeddings, and RAG enhance agent intelligence and long-term contextual reasoning. - Implement short-term and long-term memory pipelines, including session memories, summarization, and vector storage. - Generate and use embeddings to power semantic search, document retrieval, and hybrid knowledge workflows. - Build agents that combine retrieval and reasoning, integrating RAG into core decision-making - Use MCP context fields to connect multiple agents, enabling shared memory and collaborative task execution. - Evaluate memory quality, retrieval relevance, and hallucination risks using best-practice metrics.

This course is ideal for AI developers, data engineers, software professionals, and technical decision-makers who want to build context-aware, retrieval-driven, and memory-enabled AI agents for production use. A basic understanding of Python, APIs, and foundational AI prompting concepts is recommended.

Join us to master the essential building blocks of intelligent agents—and create systems that truly understand, recall, and reason.

Programme

• Systèmes de Mémoire et Fondamentaux de la Connaissance
Ce module établit la compréhension fondamentale de la manière dont la mémoire améliore l'intelligence et l'adaptabilité des agents AI. Les apprenants exploreront les architectures de mémoire à court terme, à long terme et résumée, et les mettront en œuvre en utilisant AgentKit. Grâce à des exercices pratiques, vous concevrez des agents capables de stocker, rappeler et résumer des informations contextuelles pour permettre la continuité et le raisonnement à travers les sessions.
• Récupération de Connaissances et Raisonnement Augmenté
Ce module se concentre sur l'habilitation des agents AI avec la génération augmentée par la récupération (RAG) et le partage de contexte interopérable grâce au Protocole de Contexte Modèle (MCP). Les apprenants acquerront une expérience pratique dans la génération d'embeddings, la gestion de bases de données vectorielles, et la construction de systèmes hybrides qui combinent mémoire et récupération. Le module se termine par la connexion des pipelines RAG avec MCP pour une intelligence agent dynamique et orientée vers la connaissance.
• Communication et Collaboration Agentique
Ce module explore la conception et la mise en œuvre de systèmes de communication multi-agents. Les apprenants exploreront les Protocoles de Communication d'Agent-à-Agent (A2A) et les Protocoles de Communication Agentique (ACP) construits sur MCP pour permettre une collaboration structurée entre les agents. À travers des projets guidés, vous développerez des agents spécialisés qui échangent des données, coordonnent le raisonnement, et déploient des systèmes intégrés et orientés vers la connaissance pour la résolution collective de problèmes.

---

Enseigné par

Edureka

---

Matières

Artificial Intelligence